ЗАКЛЮЧЕНИЕ

Данная работа посвящена применению моделей распознавания образов и принятия решений, основанных на теории информации, для синтеза адаптивных АСУ сложными системами (ААСУ СС). При этом:

1. Сформулирована общая постановка задачи синтеза ААСУ СС.

2. Определена основная проблема, возникающая при синтезе ААСУ СС: дефицит априорной информации.

3. Рассмотрены традиционные пути решения основной проблемы, проанализированы их основные ограничения и недостатки.

4. Предложена концептуальная идея решения основной проблемы: применение методов распознавания образов и принятия решений, обеспечивающих адаптацию модели на основе апостериорной информации.

5. Концептуальная идея конкретизирована до уровня параметрической модели ААСУ СС: определено конкретное место систем распознавания образов и принятия решений в структуре АСУ.

6. Обоснована необходимость поиска или разработки адекватной математической модели.

7. Исходя из общих принципов построения математических моделей, определен общий класс моделей, к которому относятся модели сложных объектов управления (СОУ).

8. Сформулированы требования к математической модели СОУ, обоснованы критерии оценки степени адекватности моделей для решения задач ААСУ СС.

9. На основе аналитического обзора математических моделей распознавания образов и принятия решений и оценки степени их адекватности сделан вывод о необходимости разработки модели, специально ориентированной на применение для синтеза ААСУ СС.

10. Осуществлена формальная постановка задачи синтеза адаптивных АСУ сложными системами.

11. Исследована внутренняя взаимосвязь методов распознавания образов и принятия решений, основанная на теории информации: показано, что задача распознавания образов эквивалентна задаче декодирования, а решение задачи принятия решений представляет собой решение обратной задачи декодирования.

12. Рассмотрены основные понятия классической теории информации Шеннона.

13. Исследована применимость теории информации Шеннона для решения задач идентификации состояний сложного объекта управления и выработки управляющих воздействий. На численном примере показана принципиальная возможность этого. В то же время при этом определены ограничения и недостатки информационной меры Шеннона с точки зрения ее применимости для решения задач ААСУ СС.

14. Показана целесообразность применения для этих целей семантической меры информации Харкевича, основанной на апостериорном подходе.

15. Разработана математическая модель, интегрирующая методы распознавания образом и принятия решений на основе теории информации, при этом сформулированы и решены типовые задачи ААСУ СС.

16. Разработана методология, алгоритм и конкретная методика синтеза адаптивных АСУ сложными системами.

17. Приведен развернутый численный пример применения предложенной математической модели, методологии, алгоритма и методики для синтеза САУ автономной комбинированной фотоветроэлектроэнергетической установки (ФВЭУ). Проведено сравнение результатов моделирования САУ ФВЭУ на основе подхода Шеннона и предложенной математической модели, основанной на апостериорном подходе Харкевича.

18. Описана инструментальная программная система, обеспечивающая поддержку предложенной математической модели, методологии, алгоритмов и методики синтеза адаптивных АСУ сложными системами.

19. Описан опыт применения предложенной методологии синтеза адаптивных АСУ сложными системами.

20. Предложены перспективы применения данной методологии для синтеза ААСУ СС в широком спектре различных предметных областей.

21. В приложениях приведен перечень текстовых выходных форм инструментальной программной системы и образцы двухмерных и трехмерных графических форм, полученных при синтезе адаптивной САУ ФВЭУ.

Таким образом, как надеются авторы, продемонстрирована эффективность и оправданность в ряде случаев предложенного подхода к синтезу адаптивных АСУ сложными системами.